图像篡改检测

发表于TIFS 2024，采用基于重构的方法实现 OOD 检测，发现无需微调，基于重构的预训练模型在OOD检测任务上表现优秀。

发表于CVPR2025，提出了Forensics-Bench，统一了所有基于大型视觉语言模型LVLMs的伪造检测器，并基于基准实验，提出了独特的发现。

发表于aixiv。

发表于AAAI 2025，其使用了Noiseprint++作为低级特征提取器，使用双流结构，其使用池化操作之后的结构作为查询向量，进行融合是最大的创新点。

发表于AAAI2025，该论文同时构建IML所需的微观与宏观信息介观表征，并提出Mesorch架构，一种融合卷积神经网络和Transformer模型优势的混合模型，通过动态调整尺度权重，能高效捕捉介观层面的伪影特征。

发表于TIFS 2025，，通过在特征提取网络阶段使用dropout层让同样的图像可以得到不同的输出特征，基于此，使用了两阶段训练，第一阶段在图像内部、跨尺度和跨模态三个维度使用对比损失进行训练，第二阶段使用交叉熵训练定位头，其代码思路和FOCAL非常相似。

发表于AAAI2025，提出了GIM数据集，提出了双流网络GIMFormer。

发表于IJCAI 2025，Loupe通过整合补丁感知分类器与带条件查询的分割模块，实现了全局真实性分类与细粒度掩码预测的同步处理。为增强对测试集分布偏移的鲁棒性，该模型创新性地采用伪标签引导的测试时自适应机制，利用补丁级预测结果对分割头进行监督学习。。

发表于arxiv上的论文，非常棒的工作！其整合了深度伪造检测、图像篡改检测/定位、AI生成图像检测和文档图像处理定位四大任务，并基于基准实验，提出了独特的发现。

发表于CVPR2023，该框架通过基于Transformer的融合架构，同时提取高阶特征与低阶特征：前者整合RGB图像与自适应学习的噪声敏感指纹，后者则通过仅使用真实数据进行自监督训练，精准捕捉相机内外部处理产生的伪影特征。